临床时间推理中的后视偏差：接触未来数据如何影响大语言模型的判断

英文标题：Hindsight Bias in Clinical Temporal Reasoning: How Future Data Exposure Affects Large Language Model Judgment

临床决策本质上是前瞻性的，但目前的临床大语言模型通常在回顾性医疗记录上进行评估。由于回顾性记录往往提前泄露了最终诊断、治疗反应和临床转归，此类评估极易奖励模型利用“未来信息”的作弊行为，而非其真正的推理能力。该研究指出了临床时间推理中存在的后视偏差（Hindsight Bias），表明现有评估可能严重高估了模型在真实临床场景下的判断力。对于医疗 AI 开发者而言，这强调了构建严格时间隔离、符合前瞻性临床流程的基准评测的重要性。